Exploring Regions of Interest: Visualizing Histological Image Classification for Breast Cancer using Deep Learning

要約

深層学習に基づくコンピューター支援検出および診断システムは、乳がんの検出において有望なパフォーマンスを示しています。
ただし、得られた結果が正当性を欠く場合もあります。
この研究では、組織学的画像を良性または悪性として分類するために畳み込みニューラル ネットワーク (CNN) によって使用される関心領域を強調表示することが私たちの目的です。
これらの領域を病理学者によって特定された領域と比較します。
これを達成するために、VGG19 アーキテクチャを採用し、Gradient、LRP Z、LRP Epsilon という 3 つの視覚化手法をテストしました。
さらに、Bins、K-means、MeanShift という 3 つのピクセル選択方法を実験しました。
得られた結果に基づいて、Gradient 可視化法と MeanShift 選択法により画像の可視化に満足のいく結果が得られました。

要約(オリジナル)

Computer aided detection and diagnosis systems based on deep learning have shown promising performance in breast cancer detection. However, there are cases where the obtained results lack justification. In this study, our objective is to highlight the regions of interest used by a convolutional neural network (CNN) for classifying histological images as benign or malignant. We compare these regions with the regions identified by pathologists. To achieve this, we employed the VGG19 architecture and tested three visualization methods: Gradient, LRP Z, and LRP Epsilon. Additionally, we experimented with three pixel selection methods: Bins, K-means, and MeanShift. Based on the results obtained, the Gradient visualization method and the MeanShift selection method yielded satisfactory outcomes for visualizing the images.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google